摘要
利用深度学习方法,将图像处理技术运用于NiCrAlY涂层/Ni基高温合金服役过程中微观形貌的图像特征信息识别和检索.以NiCrAlY涂层/N5合金为研究对象,基于获取的3600张64×64像素的截面特征图像数据集,采用深度学习技术搭建对基体的TCP相、基体与涂层的界面、氧化层这三类特征进行分类识别.分别训练有二、三层卷积层的卷积神经网络实现这三类特征的分类识别与滑动窗口检索定位.选用RMSProp优化器,配合二、三层卷积层的神经网络的测试集识别准确率分别为98％、90.67％.利用Adam优化器训练三层卷积层的卷积神经网络的测试集识别准确率为99.17％,并且此网络在检索1024×943像素图像的三大特征时表现最佳,检索正确率达到100％.
维普
万方数据